自适应边距损失用于车辆外观分割方法

来源：计算机工程与应用杂志2020年第2期北京时间：

作者：肖尧，秦征骁，李振兴

单位：1.上海眼控科技股份有限公司 人工智能研究院，上海 200040；2.公安部交通管理科学研究所 道路交通安全公安部重点实验室，江苏 无锡 214151

摘要：车辆外观分割是计算机视觉在交通场景中的一个重要应用。得益于近几年深度学习技术的火热兴起，以深度卷积神经网络为主的分割方法在诸多领域内取得了突破进展。针对车辆外观分割中的样本不均衡问题，提出一种新的自适应损失函数，替换了原始的softmax损失，并且训练一个新的卷积神经网络模型，实现了端到端的像素级语义分割。同时构建了一个车辆外观分割数据集，用以模型的训练和测试。实验结果表明，该网络对比同类算法拥有较高的分割准确率，对于面积较小的类别有更好的效果。

关键词：自适应边距损失,卷积神经网络,语义分割,车辆外观数据集